作者：Lilong Xue，Dan Zhang，Yuxiao Dong，Jie Tang
来源：arXiv:2507.03829v1
单位：ACL
发表日期：2024.8

一、论文介绍

背景动机：

大语言模型（LLM）在文本理解与生成任务上表现卓越，使其成为信息抽取（IE）领域的新方法来源。

当前绝大多方法聚焦于句子级关系抽取（SentRE），难以处理文档级任务（DocRE）

现有 LLM 方法主要依赖“将所有关系作为候选加入提示词”，不适用于大关系集场景。

研究目标：

提出 AutoRE：一种结合 LLM 的端到端 DocRE 模型。
引入全新抽取范式 RHF（Relation → Head → Facts），摆脱“已知关系集”假设。利用 QLoRA 实现高效参数高效微调，使模型适应 DocRE 的多关系、多三元组特性。在 Re-DocRED 数据集上实现 SOTA 性能，显著超过现有最佳方法 TAG。

二、核心内容

三、实验评估

四、总结思考